ObsahČíslo sekceO editoruÚvodNárodní strategický plán výzkumu a vývoje v oblasti umělé inteligencePříprava na budoucnost umělé inteligenceUmělá inteligence, automatizace a ekonomikaZkratky
vyplňte tyto mezery Strategický plán výzkumu a výzkumu identifikuje strategii pro krátkodobou i dlouhodobou podporu společnosti Al, která řeší důležité technické a sociální výzvy. Strategický plán však nedefinuje konkrétní plány výzkumu pro jednotlivce Federalnstead stanoví cíle pro výkonnou pobočku, s nimiž mohou agentury pronásledovat organizace, a buduje se tak, aby portfolio výzkumu bylo v souladu se strategickým plánem Al R&D, může zvýšit ekonomickou prosperitu zavedením nových produktů a služeb, které mohou vytvářet nové trhy a zlepšit kvalitu a efektivitu stávajícího zboží a služeb v různých odvětvích včetně: výroby, logistiky, financí, dopravy, zemědělství, marketingu, komunikací a vědy a technologie
Al může také zlepšit vzdělávací příležitosti a život a zlepšit národní a domácí zemskou bezpečnost Od svých počátků pokročil výzkum Al ve třech technologických vlnách. domény, ve kterých byly znalosti shromážděny od lidského experta, vyjádřeny v pravidlech „jestliže-pak“ a poté implementovány v hardwaru Takovéto systémy vedené uvažování bylo úspěšně aplikováno na úzce definované problémy, ale nemělo schopnost se učit nebo vypořádat se s nejistotou Přesto stále vedly k důležitým řešením a vývojovým technikám, které se stále aktivně používají. Druhá vlna výzkumu Al od 21. století do současnosti je charakterizována vzestupem nemožnosti výrazně většího množství digitálních daive masivně paralelních výpočetních schopností a vylepšená technika učení přinesla významný pokrok v Al, když aplikace lhala k úkolům, jako je rozpoznávání obrazu, porozumění řeči a překlad lidského jazyka Plody těchto pokroků jsou všude: chytré telefony provádějí rozpoznávání řeči, bankomaty rozpoznávají ruce na písemných šekech, e-mailové aplikace provádějí filtrování spamu, a bezplatné online služby
Vývoj systémů dAl nyní pravidelně překonává lidi ve specializovaných úkolech. První milník překonal lidskou výkonnost, včetně: šachy (1997), trivia (2011), hry Atari (2013), rozpoznávání mágů (2015), rozpoznávání řeči (2015) , and Go(2016) Zdá se, že tempo takových milníků se zvyšuje, stejně jako míra, na které jsou nejvýkonnější systémy založeny na metodách strojového učení spíše než na souborech ručně kódovaných pravidel. silná základna fundamentálního výzkumu
počet vědeckých sítí – indexové články „hluboké učeníld“ Trendy také odhalují stále globálnější povahu výzkumu, kdy Spojené státy již nevedou svět v počtu publikací nebo dokonce publikací, které dostávají alespoň jeden citovaný model s vysvětlením a korekční rozhraní, k objasnění základů a spolehlivosti výstupů, pracovat s vysokým stupněm možností, které lze zobecnit napříč širšími oblastmi úkolů Pokud budou úspěšní, mohli by inženýři vytvořit zcela přirozenou komunikaci s lidmi, učit se a uvažovat, když se setkávají s novými úkoly a problémy v situacích zobecněním frorsystems by mohly být konstruovány automaticky pomocí pokročilých metod Tyto modely by mohly umožnit rychlé učení v systémech AI Mohou poskytnout "význam" nebo "nepochopení" Alsystému, což by pak umožnilo Al systémům dosáhnout obecnějších schopností.
Naznačený v tomto strategickém plánu leteckého výzkumu se pravděpodobně nezaměří na oblasti, které s největší pravděpodobností budou mít prospěch z federálních investic. plánování, kognitivní systémy, strojové učení, celá oblast jazyka, spíše než se zaměřovat pouze na jednotlivé výzkumné výzvy specifické pro každou podoblast Pro realizaci plánu by měly být vypracovány podrobné cestovní mapy, které řeší mezery ve schopnostech v souladu s plánem Jeden z nejdůležitějších federálních výzkumů priority, nastíněné ve strategii l, je pro udržitelný dlouhodobý výzkum v AI, aby vedly k diskotéce velmi a nahlédly do mnoha investic ze strany
Federální vláda v oblasti vysoce rizikových fundamerních technologických pokroků s vysokou odměnou, na kterých jsme dnes závislí, včetně internetu, GPS, inteligentního rozpoznávání, srdečních monitorů, solárních panelů, moderních baterií, terapií rakoviny a mnohem, mnohem více Slib of Al se dotýká téměř každého aspektu společnosti a má potenciálně významné pozitivní společenské a ekonomické přínosy. Aby si tedy Spojené státy udržely světové vedoucí postavení v této oblasti, musí zaměřit své investice na vysoce prioritní základní a dlouhodobější výzkumné úkoly, jak nejlépe vytvořit umělou inteligenci. systémy, které pracují s lidmi intuitivními a užitečnými způsoby Stěny mezi lidmi a systémy umělé inteligence se pomalu začínají bourat a systémy umělé inteligence účinné metody pro interakci mezi člověkem a umělou inteligencí a spolupráci, jak je nastíněno ve Strategii 2 Ad vancement, poskytují společnosti mnoho pozitivních výhod a jsou rostoucí konkurence v USA8 Nicméně, stejně jako u většiny transformativních technologií, kdy Al představuje bezpečnost, etické a leAI věda a technologie, musí federální vláda také investovat do výzkumu, aby
porozumět tomu, co znamená AI pro všechny tyto oblasti, a nastínit to ve StrateguKritickou mezerou v současné technologii Al je nedostatek metodologií k zajištění bezpečnosti a předvídatelného výkonu systémů AI Zajištění bezpečnosti systémů AI je výzvou, protože unus složitost a vyvíjející se povaha těchto systémů Tuto bezpečnostní výzvu řeší několik priorit výzkumu
Za prvé, Strategie 4 zdůrazňuje potřebu vysvětlitelných a transparentních systémů, kterým jejich uživatelé důvěřují, fungují způsobem, který je pro uživatele přijatelný a lze u nich zaručit, že budou fungovat tak, jak uživatel zamýšlel Kombinované potenciální schopnosti a složitost systémů umělé inteligence Bez ohledu na možnosti s lidskými uživateli a životním prostředím je kriticky důležité investovat do větších investic, které zvýší bezpečnost a kontrolu al techno gií Strategie 5 vyzývá Federahared veřejné datové soubory pro všechny trnd testinser, aby pokračovali ve výzkumu Al a umožnili efektivnější porovnávání mezer v alternativních řešeních a prosazování inovativních řešení pro konkrétní problémy a výzvy Standardy a benchmarky jsou zásadní pro měření a hodnocení systémů umělé inteligence a pro zajištění toho, aby Altechnologie splňovaly kritické cíle pro funkčnost a interoperabilitu Rostoucí prevalence všech technologií ve všech sektorech společnosti vytváří nový tlak pro Al R&D Hluboké pochopení technologie, která může generovat nové nápady pro posouvání hranic v této oblasti Národ by měl podniknout kroky k zajištění dostatečného zásobování schopnými talenty, Strategie 7 řeší tuto výzvu, zatímco ultimátní gonanové algoritmy Al musí řešit otevřené výzvy s řešeními podobnými člověku, nerozumíme tomu, jaké jsou teoretické schopnosti a
pro ai a rozsah, v jakém jsou taková řešení podobná lidem Algoritmy Teoretická práce je zapotřebí k lepšímu pochopení toho, proč techniky Al – zejména strojové učení – často fungují dobře v praxi, zatímco různé linie disků ip (včetně matematiky, řídicích věd a informatiky Při studiu této problematiky v oboru v současné době chybí jednotné teoretické modely nebo rámce pro pochopení výkonnosti Al systému Je zapotřebí další výzkum výpočetní řešitelnosti, což je pochopení tříd problémů, které Řešení a podobně těch, které nejsou schopny vyřešit Toto pochopení musí být vyvinuto pro existující hardware, abychom viděli, jak hardware ovlivňuje výkon těchto algoritmů Pochopení toho, které problémy jsou teoreticky neřešitelné, může vést výzkumníky k vývoji přibližných řešení těchto problémů, nebo dokonce otevřít nové směry výzkumu nového hardwaru pro systémy AI.
Když byly například umělé neuronové sítě (ANNS) vynalezeny v 60. letech 20. století, mohly být použity pouze k řešení velmi jednoduchých problémů. Použití ANN k řešení složitých problémů se stalo proveditelným až poté, co byla provedena hardwarová vylepšení, jako je například aralelizace, a upraveny algoritmy použití nového hardwaru Takový vývoj byl klíčovým faktorem, který umožnil dnešní významné pokroky v hlubokém učení. Obecná al je ambicí výzkumníků od objevení všech, ale současný systém zdaleka nedosahuje tohoto cíle Vztah mezi úzkým a obecným Al je v současnosti zkoumán; je možné, že lekce z jednoho lze použít ke zlepšení druhého a naopak I když neexistuje žádný obecný konsensus, většina výzkumníků AI lže, že generál Al je ještě několik desetiletí daleko, což vyžaduje dlouhodobé a trvalé výzkumné úsilí, aby dosáhly skupin a sítě systémů umělé inteligence mohou být koordinovány nebo mohou samostatně spolupracovat na úkolech, které nejsou možné s jediným systémem umělé inteligence, a mohou vést tým Vývoj a používání významných výzkumných úkolů při plánování, koordinaci, řízení a škálovatelnosti takových systémů, Techniky plánování pro systémy s více umělou inteligencí musí být dostatečně rychlý, aby fungoval a přizpůsobil se
time tont Měly by se přizpůsobit plynule založené na technologii centralizované koordinace plánů, nicméně tyto přístupy podléhají jednotlivým bodům selhání, jako je ztráta plánovače nebo ztráta komunikačního algoritmu, a jsou často méně účinné a neúplné, ale potenciálně nabídnout větší odolnost vůči jednotlivým bodům selhání Budoucí výzkum musí objevit účinnější, robustnější a škálovatelnější techniky pro plánování, řízení a spolupráci týmů vícenásobných systémů umělé inteligence a lidí Dosažení umělé umělé inteligence jako u lidí vyžaduje, aby systémy vysvětlovaly samy sebe způsoby, kterým lidé mohou rozumět. výsledkem bude generování inteligentních systémů, jako jsou inteligentní systémy výuky a inteligentní asistenti, kteří účinně pomáhají lidem při plnění jejich úkolů. Existuje však značná mezera mezi tím, jak současné algoritmy fungují a jak se učí a provádějí úkoly.
Lidé se mohou učit jen z několika příkladů nebo dostávat formální instrukce a/nebo „nápovědy“ k provádění úkolů nebo pozorovat jiné lidi při provádění těchto úkolů Lékařské školy používají tento přístup, například když se studenti medicíny učí pozorováním zavedeného lékař provádějící složitý lékařský zákrok Dokonce i v náročných úkolech, jako jsou hry Go na mistrovství světa, by hráč na mistrovské úrovni musel mít hry, aby se trénoval. Naproti tomu by člověku trvalo stovky let, než by odehrál tolik her, kolik potřebuje k tréninku. Základní výzkum Alpha Go More zaměřený na nové přístupy k dosažení Al jako člověku by tyto systémy přiblížil Významný pokrok v robotických technologiích za poslední desetiletí vedl k potenciálním dopadům na řadu aplikací, včetně výroby, logistiky, medicíny, zdravotní obrany a národní bezpečnosti. , zemědělství a spotřební produkty Zatímco roboti byli historicky představováni statickými průmyslovými roboty a lidmi Robotické technologie jsou nyní slibné ve své schopnosti
Vědci však potřebují učinit tyto robotické systémy schopnějšími, spolehlivějšími a uživatelsky snazšími, aby lépe porozuměli robotickému vnímání, aby mohli extrahovat informace z různých senzorů a poskytnout robotům situační povědomí v reálném čase. kognice a uvažování, které umožní robotům lépe porozumět fyzickému světu a interagovat s ním, zlepšená schopnost přizpůsobit se a učit se umožní robotům zobecnit své dovednosti, provádět sebehodnocení svého současného výkonu a naučit se repertoár fyzických pohybů od lidských učitelů. manipulace jsou oblasti pro další zkoumání, takže roboti mohou procházet drsným a nejistým terénem a obratně manipulovat s různými předmětyrobotické osivo se učí vytvářet tým, aby se spojilo v hladké módě a spolupracovalo s lidmi způsobem, který důvěryhodný a předvídatelný cíl těchto cílů omezuje tyto akce a další faktory a také se snadno přizpůsobí změnám cílů v Kromě toho se aspekty jejich vývoje zaměřily na zobecnění těchto aspektů systémů HAI pro vývoj systému Zatímco velká část dřívějšího zaměření výzkumu AI byla na algoritmy, k rozvoji lidských schopností v mnoha oblastech je zapotřebí provádět chybové práce v mnoha oblastech. zařízení (jako je počítač); nositelná zařízení (jako jsou chytrá zařízení s podhledem (jako jsou mozková rozhraní) a ve specifických uživatelských prostředích (jako např
O editoruMichael Erbschloe pracuje více než 30 let a provádí analýzy ekonomiky informačních technologií, veřejné politiky týkající se technologií a využití technologií v reengineeringových organizačních procesech Je autorem několika knih o sociálních a manažerských otázkách informací technologie, kterou vydává Mc Graw Hill a další významní vydavatelé
Vyučoval také na několika univerzitách a rozvíjel učební osnovy související s technologiemi Jeho kariéra se zaměřila na několik vzájemně propojených oblastí Technologická strategie, analýza a prognózaVýuka a směna časuPsaní knih a článkůPsaní a editace Analýzy veřejné politiky a hodnocení programuKnihy od michaela ErbschloeSocial. Vše (Publikace Auerbach) Zabránění zasvěceným: Řízení přístupu ke zlepšení zabezpečení organizace (Veřejná fyzická bezpečnost Auerbach pro IT (Elsevier Science) Trojské koně, červi a spyware (Butterworth-Heinemann) Zavádění vnitřní bezpečnosti v podnicích IT (Digit al Press) Průvodce k Obnova po havárii (kurz Technologie Společensky odpovědná správa IT Digitální tisk) Informační válka: Jak přežít kybernetické útoky (Mc Graw Hill) Průvodce správou soukromí (Mc Graw HillNet Privacy: Průvodce rozvojem implementace elektronického obchodu Privacy Pl (Mc Graw) Kopec)
introductioUmělá inteligence (Al) je transformační technologie, která má udržitelný a ekonomický přínos al potenciál převratně změnit způsob, jakým se člověk učí ekonomické prosperitě, zlepšuje možnosti vzdělávání a kvalitu života a zvyšuje bezpečnost domácí půdy. vláda USA investovala do těchto potenciálních výhod ve všech výzkumných letech
Přesto, stejně jako u každé významné technologie, o kterou má federální vláda zájem, neexistují žádné alternativy, ale úvahy, které je třeba vzít v úvahu při řízení celkového směřování federálně financovaného výzkumu a výzkumu v roce 1956 výzkumní pracovníci v oblasti výpočetní techniky z po celých Spojených státech se setkali na DartmouthCollege v New Hampshire, aby prodiskutovali zásadní myšlenky na sjednocující se odvětví výpočetní techniky zvané artificivy Představili si svět, ve kterém „stroje používají jazyk a koncepty, řeší druhy problémů, které jsou nyní vyhrazeny lidem, a zlepšují se“ Tato historická sada setkání etapa desetiletí vládního a průmyslového výzkumu Al, včetně pokroků ve vnímání, automatizovaném uvažování/plánování, kognitivních systémech, strojovém učení, zpracování přirozeného jazyka, robotice a příbuzných oborech Dnes tyto výzkumné pokroky vyústily v nové sektory ekonomiky, které ovlivňují naše každodenní životy od mapovacích technologií přes rozpoznávání zlomyslnosti pomocí hlasově podporovaného chytrého rukopisu až po finanční obchodování, o spanmore Al Ad vances také poskytují velké výhody našemu sociálnímu blahobytu v oblastech, jako je udržitelnost, vzdělání a veřejné blaho. Zvýšená důležitost přístupů AI za posledních 25 let byla z velké části posílena pravděpodobnostní metody, dostupnost velkého množství dat a zvýšený výpočetní výkon počítače. vykazuje stále přesnější výsledky, což vyvolává velké vzrušení ohledně vyhlídek v blízké budoucnosti, zatímco v poslední době byla věnována pozornost důležitosti statistických přístupů, jako je např.
učení, působivá Al adhakty teorie otcontrol, architektur kognitivních systémů, vyhledávacích a optimalizačních technik a člověka Nedávné úspěchy al vyvolaly důležité otázky o konečném směru a důsledcích těchto technologií: Jaké jsou důležité a technologické mezery současné technologie AI? Jaké nové pokroky v oblasti Al by poskytly pozitivní, potřebné ekonomické a společenské dopady? Jak mohou být technologie Al i nadále používány bezpečně a prospěšně? Jak být navržen tak, aby byl v souladu s etickými, právními a společenskými zásadami? důsledky tohoto pokroku pro pracovní sílu v oblasti výzkumu a vývoje v oblasti Al?
Toto investiční prostředí vyvolává hlavní otázky ohledně vhodné role federálních investic v AL, zejména pokud jde o oblasti a časové rámce, do kterých průmysl pravděpodobně nebude investovat? Existují příležitosti pro průmyslovou a mezinárodní spolupráci v oblasti výzkumu, která posouvá priority USA, dokud nová administrativa bude tento přístup prosazovat, nebo otupí strategii kvůli strachu z faktů, vědy a protichůdných názorů?
O národní vědecké radě pro technologieNárodní a technologická rada (NS TC) je hlavním prostředkem, kterým výkonná pobočka koordinuje politiku vědy a technologie napříč různými subjekty, které tvoří Federalh and Development (R&D) Enterprise One z primárních investic NSTC NSTC připravuje balíčky výzkumu a vývoje zaměřené na splnění několika národních cílů Práce NSTC je organizována v pěti výborech: Životní prostředí, Přírodní zdroje a Udržitelnost: Domácí půda a Národní bezpečnost: Věda, Technologie, Inženýrství a Matematika (kmen vzdělanost;a technologie Každý z těchto výborů dohlíží na podvýbory a pracovní skupiny, které se zaměřují na různé aspekty vědy a technikyVíce informací je k dispozici na wwwwhitehousegov/ostp/nstc
O Úřadu pro politiku vědy a techniky Úřad pro politiku vědy a technologie (OSTP) byl založen Národním zákonem pro vědu a techniku a PrioAct z roku 1976 The misfaSTthrefold; za prvé, poskytnout prezidentovi a jeho vedoucím pracovníkům přesné, relevantní a včasné informace Pobočka je informována fundovanou vědou; a za třetí zajistit, aby vědecká a technická práce výkonné složky byla řádně koordinována tak, aby zajistila, že ředitel ostp slouží také jako asistent prezidenta pro vědu a technologii a řídí nstc více informací je k dispozici na O podvýboru na netwand Informační technologieVýzkum a vývojPodvýbor pro síťovou práci a výzkum a vývoj informačních technologií (NITRD) je orgán spadající pod Výbor pro technologie (CoT) Národní vědecké aechnologické rady (NSTC). Podvýbor NITRD koordinuje multiagenturní programy výzkumu a vývoje, aby pomohl zajistit nám pokračující vedoucí postavení v oblasti sítí a informací
technologie uspokojuje potřeby federální vlády pro pokročilé sítě a urychluje vývoj a zapůjčené informační technologie Implementuje také příslušná ustanovení zákona o vysoce výkonných počítačích z roku 1991 (P L 102-194), ve znění pozdějších předpisů Internetový výzkum nové generaceExce llence in Technology, Education and Science (SOUTĚŽÍ) zákon z roku 2007 (P L 110-69)
For(link:https:/wwwnitrdgpveww/naionalairdstrategicplamaspx
Národní strategický plán umělého výzkumu a vývoje Podvýbor pro strojové učení a umělou inteligenci, který má pomoci koordinovat činnost Federace v Al Tento podvýbor dne 15. června 2016 nařídil podvýboru pro síťování a výzkum a vývoj informačních technologií (NITRD), aby vytvořil národní umělou Strategický plán výzkumu a vývoje ialIntelligence Poté byla vytvořena pracovní skupina NTRD pro umělou inteligenci, aby definovala federální strategické priority pro Al R&D, se zvláštní pozorností na oblasti, které průmysl pravděpodobně nebude řešit GenezeFederálně financovaný Al výzkum, oba výzkumy probíhají v rámci vlády a také federálně financovaný výzkum probíhající mimo vládu, například v akademické sféře. Konečným cílem tohoto výzkumu je vytvořit nové vědomosti a technologie, které společnosti poskytují řadu gepozitivních výhod a zároveň minimalizují negativní dopady.
K dosažení tohoto cíle tento strategický plán alR&d identifikuje následující priority pro federálně financovaný výzkum Al.Strategie 1: Provádějte dlouhodobé investice do výzkumu Al Upřednostňujte investice do příští generace Al, které budou řídit diskotéky a vhled. a umožnit Spojeným státům zůstat světovým lídrem v AlStrategy 2: Vyvinout efektivní metody pro lidskou spolupráci Al Spíše než replachumans bude většina AI systémů spolupracovat s hResearch je zapotřebí k vytvoření efektivních interakcí mezi lidmi a al syststrategie 3: Pochopit a řešit etické, právní a společenské důsledky technologií Al Weexpect Al se budou chovat v souladu s formálními a neformálními normami, které dodržujeme naši spoluobčané Výzkum je nutný k pochopení etických, právních a sociálních důsledků OAL a k vývoji metod pro navrhování systémů umělé inteligence. které jsou v souladu s etickou, právní a společenskou strategií 4: Zajištění bezpečnosti a zabezpečení Al systémů Než se systémy umělé inteligence rozšíří, je zapotřebí ujištění, že systémy budou fungovat bezpečně a bezpečně, v kontrolovaném režimu.
definovaný a dobře srozumitelný maFurthh je potřeba k řešení problému vytváření Al systémů, které jsou spolehlivé, spolehlivé a trStrategie 5: Vyvíjejte sdílené veřejné datové sady a prostředí pro Al školení a testování Hloubka, kvalita a přesnost tréninkových datových sad a zdrojů významně ovlivnit odpovědný přístup k vysoce kvalitním datovým souborům a také k testovacím a školicím zdrojůmStrategie 6: Měřit a vyhodnocovat Al technologie pomocí standardů a benchmarkůga gement, který řídí a Národní strategický plán výzkumu a vývoje umělé inteligence hodnotí pokrok v Al Je zapotřebí další výzkum vyvinout široké spektrum hodnotících technik k hodnocení pokroku v oblasti Al Je zapotřebí další výzkum k rozvoji spektra hodnotících technik v zahraničí.Strategie 7: Lepší pochopení národních potřeb pracovní síly ve výzkumu a vývoji v oblasti Al Pokrok v oblasti Al vyžaduje silné požadavky na pracovní sílu v oblasti umělé inteligence abychom pomohli zajistit, že bude k dispozici dostatek odborníků na Al k řešení oblastí strategického výzkumu vytyčených v tomto plánu Strategický plán leteckého výzkumu končí dvěma doporučeními Doporučení 1: Vyviňte implementační rámec AIR&d k identifikaci příležitostí a podpora efektivní koordinace investic do výzkumu a vývoje, konzistentní wStrategies 1-6 tohoto plánu
Doporučení 2: Prostudujte si národní prostředí pro vytvoření a udržení zdravé pracovní síly v oblasti vědy a výzkumu, v rozporu se strategií 7 tohoto plánu Tento plán nejprve obsahuje několik předpokladů o budoucnosti Al, předpokládá, že technologie budou nadále růst v propracovanosti a všudypřítomnosti, díky investicím vlády do výzkumu a vývoje společnosti Al a tento plán předpokládá dopad na ekonomický růst v USA a tento plán předpokládá, že průmyslové investice do společnosti Alwill budou nadále růst, protože nedávné komerční úspěchy zvýšily vnímanou návratnost
Výzkum a vývoj V současné době tento plán předpokládá, že problém výzkumu a investic kolem veřejných statků A konečně, tento plán předpokládá, že poptávka po odborných znalostech Al se bude snažit, akademická vláda, vést k vlastnímu Požadovanému výsledku Tento plán strategie Al R&D strategie se dívá za krátkodobou budoucnost Schopnosti Al směrem k dlouhodobějším paktům AIcty a světa Nedávný a téměř významný optimismus ohledně potenciálu Al, což má za následek silný růst průmyslu aializace Al přístupů
I když však federální vláda může využít investice do Al, mnoho aplikačních oblastí a dlouhodobých výzkumných výzev to neumožní. duševní práce k dosažení požadavků specifických pro oddělení nebo agenturu k řešení důležitých společenských problémů, které soukromý průmysl nesleduje Federální vláda by proto měla klást důraz na investice Al do oblastí silného společenského významu, které nejsou zaměřeny na spotřebitelské trhy – do oblastí, jako je umělá inteligence pro veřejnost zdraví, městské systémy a inteligentní komunity, sociální zabezpečení, trestní soudnictví, udržitelnost životního prostředí a národní bezpečnost, stejně jako dlouhodobý výzkum, který urychluje produkci všech znalostí a technologií Koordinované výzkumné a vývojové úsilí v Al napříč federální vládou bude zvýšit pozitivní dopad těchto technologií, o kterých věděli, že řeší politické výzvy související s používáním Al Koordinovaný přístup navíc pomůže Spojeným státům využít plný potenciál Al technologií pro zlepšení společenské práce, kterou lze využít k identifikovat vědecké a technologické mezery v AI a sledovat federální investice do výzkumu a vývoje, které jsou designem